第３１卷第５期 四川兵工学报 ２０１０年５月 【武器装备】 一种新型伺服系统智能ＰＩＤ控制器的设计豢 许可，刘建都，李晓鹏 （空军工程大学导弹学院，陕西三原７１３８００） 摘要：提出了一种自适应模糊神经网络ＰＩＤ控制器的设计方案。把模糊神经网络控制和常规ＰＩＤ控制结合起 来，对控制系统的比例、积分和微分参数进行在线自整定。在Ｓｉｍｕｌｉｎｋ中的仿真结果表明，这种智能ＰＩＤ控制器 的控制效果优于单纯的ＰＩＤ控制，超调量小，抗干扰性能强，对变参系统的鲁棒性强，满足在线适时自适应控制 的要求。 关键词：自适应控制；模糊控制；ＰＩＤ控制；ＡＮＦＩＳ 中图分类号： Ｉ１Ｊ７６８．２ 文献标识码：Ａ 文章编号：１００６—０７ｏ７（２０１０）０５—００１９—０３ 某武器系统的伺服系统采用常规ＰＩＤ控制，其设计思 引导、模拟引导和手动控制等位置回路工作方式，分别进 路是在位置环和速度环（见图１）均采用ＰＩ控制。该控制 行位置校正运算，并将运算结果送给速度控制器。 结构的特点是：速度环具有一定的抗干扰能力，使得速度 速度回路是角伺服系统的重要组成部分，直接担负着 环的传递函数近似为一阶系统；位置环采用分段控制，即 对发射架方位和仰角的驱动，整个伺服系统的性能如何也 分为调转和跟踪２个控制过程，当前位置值和位置指令误 与速度控制器直接有关。 差较大时采用Ｂａｎｇ—Ｂａｎｇ控制，即为快速调转过程，当误 差较小时采用前馈＋ＰＩＤ控制结构，以实现精确跟踪。实 践表明，该方法在负载不变或变化不大的情况下具有良好 的跟踪性能，并具有一定的抗干扰能力（如抗风能力），但 是在负载变化较大时，跟踪性能明显下降。 由于现代武器系统大部分都是大惯量、变负载的伺服 系统，在工作过程中要受到多种强干扰因素的影响，传统 的控制方法在控制伺服系统时显得力不从心。近年来，模 糊逻辑控制和神经网络控制相继被引入到伺服系统的控 图１伺服系统框图 制中，用于解决传统控制方法所遇到的困难。 ２智能控制器的设计 １伺服系统 ２．１智能ＰＩＤ控制器的结构 某武器系统的伺服系统采用的是计算机控制的机电 智能ＰＩＤ控制器的结构如图２所示。 式控制系统，它由２个相互、工作原理相同的分系统 （即方位角系统和高低角系统）组成。角伺服系统的输入 信号为武器指控中心或指令产生单元的输出信号，其变化 规律一般是无法预先确定的，对角伺服系统的基本要求 是，使其输出量以尽量小的误差跟随输入量的变化，即系 统的输出量能迅速平稳地跟踪输入信号的变化，工作原理 如图１所示。 伺服系统的各个控制器的功能如下：位置控制器综合 来自单脉冲接收机、连续波接收机等设备的信息，构成单 脉冲自动跟踪、连续波自动跟踪、微光电视自动跟踪、数字 图２智能ＰＩＤ控制器的结构 睾收稿日期：２０１０—０３一Ｏ１ 作者简介：许可（１９８６一），男，硕士研究生，主要从事计算机控制技术研究。 ２０ 四川兵工学报 网络中各层的关系及作用： 第１层 令 １＝ｅ， ２ ｅｃ，贝０ Ｏｌｌ＝ ｌ，Ｏｌ２＝ ２。 第２层通过线性变换，将模糊控制器的输入变量，即 图２中：，，（ｔ）是目标位置；ｒ（ｔ）是系统的实际位置；ｅ（ｔ）和 ｅｃ（ｔ）是位置误差和位置误差的变化率，即 ｅ（ｔ）：ｒ（ｔ）一Ｙ（ｔ） ｅｃ（ 期望位置与实际位置的差以及其变化率映射到论域 ［一６ ６］上，示为ＮＬ，ＭＮ，ＮＳ，ＺＯ，ＰＳ，ＰＭ，ＰＬ，同时，对这些 式中Ｊ（ｔ）为目标误差函数÷（ｒ（ｔ）一），（ｔ）） ，根据．，（ｔ）由 变量使用相同的高斯型隶属函数，即 在线学习算法可以在线调整模糊神经网络的权值，使得控 （ ）＝ｅｘｐ（（一 ） 制器具有自学习的功能。 其中：ｏ表示高斯函数的中心；６表示高斯函数的宽度。 整个控制器的控制流程是：对系统的任一位置，首先 在第２层中，每一个单元代表模糊分割后的一个模糊 求得当前的位置误差ｅ（ｔ）和误差的变化率ｅｃ（ｔ），这２个 子集，各个单元的活化函数就是相应的隶属函数Ａ ，也就 值经过模糊化之后送入模糊神经网络进行推理计算。模 是说这一层的输人是 。和 ：，输出是模糊规则中条件部分 糊神经网络针对当前的位置误差和误差变化率，经过运算 的隶属度。 之后得到一个输出值，随后再将这个数值输入ＰＩＤ调节器 第３层将不同变量的不同模糊子集组合成相应的 得到控制所需要的控制量，同时根据误差目标函数进行模 规则，输入节点为第２层的输出，输出接点为各条模糊规则 糊神经网络权值的学习调整。 的激励强度（权值 ）。 ２．２模糊神经网络控制设计 第４层先将各条规则的激励强度进行归一化处理， 模糊神经网络控制器采用的是自适应神经一模糊推 即第ｉ条规则的归一化激励强度是该条规则的激励强度与 理系统（ＡＮＦＩＳ），该网络的输入是当前的位置误差ｅ（ｔ）和 所有规则激励强度的比值，如： 误差的变化率ｅｃ（ｔ），输出是ＰＩＤ控制器所需的３要素（ ， ： Ｋ， ）的变化量（△ ，△Ｋ，△ ）。假设各层的节点为ｏ ， 由于在该网络中采用的是Ｔ＿Ｓ模糊模型，而且网络的输出 ∑ ；Ｉ 有３个，所以模糊规则可以表示为： 然后在将归一化后的激励函数与活化函数 ）相乘，得 Ｉｆ＜ｅ＝Ａ＆ｅｃ＝ｂ＞Ｔｈｅｎ＜Ａ ＝ｐＩｌｅ１＋ｑｎｅｃ２＋ １＞ ０４，ｆ：ｌ ＝ （ｐ—；＋口ｌｙ＋ ） ＆＜△Ｋｉ＝ｐ１２ｅｌ＋ｇＩ２ｅｃ２＋ｒｌ２＞ 第５层该层为总的输出层，即 ＆＜△Ｋｄ＝ｐ１３ｅ１＋ｇ１３ｅｃ２＋ｒｌｌ３＞ ｏｓ，２．２．１模糊神经网络的结构 ｊ＝总的输出＝∑ 模糊神经网络控制器的结构如图３所示。 ２．２．２。网络的学习算法 在伺服系统中，控制算法的好坏直接影响到系统性 第１层 第２层 第３层 第４层 第５层 能，如果选择不当将严重影响系统性能的发挥。在实际控 Ｄ Ｄ 制过程中，系统的模型是变化的，但变化幅度并不是很大。 这样一来，为了既保证控制精度，又保证收敛速度快，在设 计控制程序时，对网络参数先进行离线学习，将参数基本 稳定下来。在离线学习中，采用混合学习算法…，也就是 说，在前向计算时，将前提参数固定，计算从第１层到第５ 层的输出，然后利用最ｄｘＺ－乘法 辨识结论参数，在误差 反响传播时将结论参数固定，采用改进的ＢＰ算法 ；随后 在实际控制中采用在线学习，对网络参数进行微调，在线 学习仍然采用改进的ＢＰ算法。 ２．３ ＰＩＤ控制部分设计 在智能控制器中ＰＩＤ控制部分的结构采用的是传统 的ＰＩＤ控制器。传统的ＰＩＤ（比例、积分、微分）控制器是一 种线性的控制器，其输入是系统的偏差信号（ｅ），输出是控 图３模糊神经网络的结构 制量（“）。输入信号经过比例、积分、微分的线性组合，构 成控制量，它包括比例调节环节（ ）、积分调节环节（Ｋ）、 整个模糊神经网络可分为５层：第１层为输入层，有２ 微分调节环节（ ）。 个节点，每个节点表示输入向量（ｅ和ｅｃ）；第２层为模糊分 ＰＩＤ控制关键是根据系统的实际情况选择合适的ＰＩＤ 割层；第３层表示的是相应的模糊规则；第４层表示的是对 控制参数（ ， ， ）以满足系统的具体要求。 模糊规则的处理；第５层是输出层。简单的说：第１层为输 经过调节后输出的控制量： 入层；第２层为模糊化层；第３层和第４层为模糊推理层； ｒｔ 第５层为输出层。 Ｍ（ｔ）＝ ｅ（ｆ）＋Ｋ【ｅ（ｔ）ｄｔ＋ ｄｅ（ｔ）／ｄｔ 许其中： 可，等：一种新型伺服系统智能ＰＩＤ控制器的设计 器具有更好的鲁棒性，收敛性。 ２ｌ ＫＰ＝ＫＩ ＋Ａ Ｋｐ ＰＫ＝Ｋ ＋Ａ Ｋｉ ＝４结束语 仿真结果表明，常规的ＰＩＤ控制在满足控制要求的情 况下，容易产生波动，特别是当有干扰存在的情况下，相应 速度慢，而且超调量较大，易导致系统的不稳定。跟传统 ＰＩＤ控制相比，模糊ＰＩＤ响应曲线最具优越性，它响应快 速，超调量很小，并且鲁棒性颇高，当控制过程中出现干扰 Ｋ ｄ＋△／ｑ ３仿真结果 在伺服系统的实时控制中，受控对象通常是一个非线 性的、具有大惯性、大滞后特点的对象，同时考虑到实际情 况，本文中所研究的武器系统伺服系统的传递函数为 Ｇ（ ＝０．１ ｓ，分别采用传统ＰＩＤ、模糊自适应ＰＩＤ控制以 及新型智能ＰＩＤ控制测试其阶跃输出，并且在第２０ ｓ的时 候，给控制器加入一个幅度为Ｉ．０的干扰，测试系统鲁棒性 以及抗干扰能力，得出结果如图４所示。图中：曲线１是由 传统ＰＩＤ控制器得出的结果的；曲线２是模糊ＰＩＤ控制系 统；曲线３是新型智能ＰＩＤ的仿真曲线。 １ ４ 曲线１ １．２ ． 曲线２ １ 蠢 。 ’ ’’ ０・８ ０．６ ＼ 曲线３ Ｏ・４ Ｏ ２ Ｏ ５ １０ １５ ２０ ２５ ３０ ３５ ４０ ４５ ５０ ｔｌｓ 图４输出阶跃响应 ． 由阶跃响应曲线可以看出，跟传统ＰＩＤ控制相比，模 糊ＰＩＤ响应曲线最具优越性，它响应快速，超调量很小，并 且鲁棒性颇高，消除了角伺服系统控制中的滞后环节对系 统的不利影响。而新型的智能控制器又比模糊ＰＩＤ控制 时，能够对偏差进行提前预报，在线自动调整 ，Ｋ， ，以 加快系统的响应速度，改善系统的动态特性。新型的智能 ＰＩＤ控制器在模糊ＰＩＤ控制器的基础上，又具有更好的收 敛性和更好的抗干扰能力，并且鲁棒性更好，比前面２种控 制器更具有优越性。 参考文献： ］ｊ １Ｊ １Ｊ １Ｊ １Ｊ １Ｊ １Ｊ 许力．智能控制理论及应用［Ｍ］．北京：机械工业出版 社，２Ｏ０６． 王志贤．最优状态估计与系统辨识［Ｍ］．西安：西￣ｋ，Ｘ－ 业大学出版社，２００４． 韩力群．人工神经网络教程［Ｍ］．北京：北京邮电大学 出版社．２ＯＯ６． 刘金锟．先进ＰＩＤ控制及ＮＡＴＬＡＢ仿真［Ｍ］．北京： 电子工业出版社，２００３． 李丙才，叶碧成，姜映红．基于Ｔ—ｓ模型的智能ＰＩＤ 控制［Ｊ］．甘肃科学学报，２０Ｏ７，１９（１）：１１８—１２１． 减文利，王远钢，郭治，等．基于ＬＭＩ的随动系统满意 ＰＩＤ调节器设计［Ｊ］．控制理论与应用，２ＯＯ６，２３（６）：５２ —５６． 刘建都，李晓鹏．角伺服系统模糊自适应ＰＩＤ控制研 究［Ｊ］．航空计算技术，２ＯＯ９，３９（４）：１１７—１１９． （责任编辑刘舸）
